Ciencia de datos en python

Exámen Final

Estudiante: Dennis Xiloj

Carnet: 22006829

Instrucciones:

Resuelva los siguientes problemas dejando constancia de todo su trabajo con la mayor claridad posible. Usted puede utilizar recursos tales como: notas de clase, laboratorios, vídeos de clase, libros, etc.; La única ayuda que esta terminantemente PROHIBIDA es la de otra persona, su respuesta debe ser razonada y desarrollada PERSONALMENTE. En el GES se encuentra un dataset llamado Dataset Presidentes EEUU, con dicho dataset debe responder lo siguiente:

1. Gráfica de la cantidad de votos por cada elección.
2. Función que reciba de parámetro 'elección' y retorne una gráfica de los votos obtenidos por presidente.
3. El % de votos obtenidos por cada ganador.
4. Función que recibe de parámetro elección y retorne una gráfica de la cantidad de votos obtenidos para cada uno de los partidos participantes.
5. Función que recibe de parámetro una elección y un estado, y retorne los resultados obtenidos en dicho estado.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from datetime import datetime
import plotly.express as px 
import plotly

plotly.offline.init_notebook_mode()

# leer el archivo 1976-2020-president.csv
presidents = pd.read_csv('1976-2020-president.csv')
presidents

	year	state	state_po	state_fips	state_cen	state_ic	office	candidate	party_detailed	writein	candidatevotes	totalvotes	version	notes	party_simplified
0	1976	ALABAMA	AL	1	63	41	US PRESIDENT	CARTER, JIMMY	DEMOCRAT	False	659170	1182850	20210113	NaN	DEMOCRAT
1	1976	ALABAMA	AL	1	63	41	US PRESIDENT	FORD, GERALD	REPUBLICAN	False	504070	1182850	20210113	NaN	REPUBLICAN
2	1976	ALABAMA	AL	1	63	41	US PRESIDENT	MADDOX, LESTER	AMERICAN INDEPENDENT PARTY	False	9198	1182850	20210113	NaN	OTHER
3	1976	ALABAMA	AL	1	63	41	US PRESIDENT	BUBAR, BENJAMIN ""BEN""	PROHIBITION	False	6669	1182850	20210113	NaN	OTHER
4	1976	ALABAMA	AL	1	63	41	US PRESIDENT	HALL, GUS	COMMUNIST PARTY USE	False	1954	1182850	20210113	NaN	OTHER
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
4282	2020	WYOMING	WY	56	83	68	US PRESIDENT	JORGENSEN, JO	LIBERTARIAN	False	5768	278503	20210113	NaN	LIBERTARIAN
4283	2020	WYOMING	WY	56	83	68	US PRESIDENT	PIERCE, BROCK	INDEPENDENT	False	2208	278503	20210113	NaN	OTHER
4284	2020	WYOMING	WY	56	83	68	US PRESIDENT	NaN	NaN	True	1739	278503	20210113	NaN	OTHER
4285	2020	WYOMING	WY	56	83	68	US PRESIDENT	OVERVOTES	NaN	False	279	278503	20210113	NaN	OTHER
4286	2020	WYOMING	WY	56	83	68	US PRESIDENT	UNDERVOTES	NaN	False	1459	278503	20210113	NaN	OTHER

4287 rows × 15 columns

1. Gráfica de la cantidad de votos por cada elección.

# cantidad de votos por cada eleccion
votes = presidents[['year', 'candidatevotes']].groupby(['year']).sum()
votes['millions'] = votes['candidatevotes'].apply(lambda x: f'{x/1e6:.2f}M')

fig = px.line(votes, x=votes.index, y='candidatevotes', markers=True, 
    title='Total de votos por elección presidencial en EEUU de 1976 a 2020', 
    labels={'candidatevotes': 'Votos', 'year': 'Año'},
    text='millions',
)
fig.update_traces(textposition='top center')
fig.update_xaxes(type='category')
fig.show()

2. Función que reciba de parámetro 'elección' y retorne una gráfica de los votos obtenidos por presidente.

def votos_eleccion(year):
    """Grafica lo votos por cada candidato del año pasado como parametro"""
    votos = presidents[presidents['year'] == year][['candidate', 'candidatevotes']].groupby('candidate').sum()
    votos['millions'] = votos['candidatevotes'].apply(lambda x: f'{x/1e6:.2f}M')
    votos.sort_values(by='candidatevotes', ascending=False, inplace=True)
    fig = px.bar(votos, x=votos.index, y='candidatevotes', 
        title=f'Votos por candidato en las elecciones de {year} en EEUU',
        labels={'candidate': 'Candidato', 'y': 'Votos'},
        text='millions'
    )
    fig.show()
    

# probamos la funcion
votos_eleccion(1976)
votos_eleccion(1980)

3. El % de votos obtenidos por cada ganador

# % de votos obtenidos por cada ganador
ganadores = pd.read_html('https://en.wikipedia.org/wiki/List_of_presidents_of_the_United_States')
ganadores = ganadores[1]
ganadores = ganadores[['Name(Birth–Death)', 'Election', 'Vice President']]
# rename the Name(Birth–Death) column
ganadores.rename(columns={'Name(Birth–Death)': 'name_birth', 'Election': 'election', 'Vice President': 'vicepresident'}, inplace=True)
# drop the last row
ganadores = ganadores.drop(ganadores.index[-1])

# convertir los datos de ganador (nacimiento-muerte) en 2 columnas
columnas_nombre = ganadores['name_birth'].str.rsplit('(', expand=True).rename(columns={0: 'name', 1: 'birth'})

# el nombre lo necesitamos en mayusculas y en la forma APELLIDO, NOMBRE
columnas_nombre['name'] = columnas_nombre['name'].str.upper()
ganadores = ganadores.join(columnas_nombre['name'].str.rsplit(' ', n=1, expand=True).rename(columns={0: 'firstname', 1: 'lastname'}))

ganadores['winner'] = ganadores['lastname'] + ', ' + ganadores['firstname']

# convertir election en numerico
ganadores['election'] = ganadores['election'].str.replace('–.*$', '', regex=True).astype(int)

ganadores

	name_birth	election	vicepresident	firstname	lastname	winner
0	George Washington(1732–1799)	1788	John Adams[c]	GEORGE	WASHINGTON	WASHINGTON, GEORGE
1	George Washington(1732–1799)	1792	John Adams[c]	GEORGE	WASHINGTON	WASHINGTON, GEORGE
2	John Adams(1735–1826)	1796	Thomas Jefferson[d]	JOHN	ADAMS	ADAMS, JOHN
3	Thomas Jefferson(1743–1826)	1800	Aaron Burr	THOMAS	JEFFERSON	JEFFERSON, THOMAS
4	Thomas Jefferson(1743–1826)	1804	George Clinton[e]	THOMAS	JEFFERSON	JEFFERSON, THOMAS
...	...	...	...	...	...	...
77	George W. Bush(b. 1946)	2004	Dick Cheney	GEORGE W.	BUSH	BUSH, GEORGE W.
78	Barack Obama(b. 1961)	2008	Joe Biden	BARACK	OBAMA	OBAMA, BARACK
79	Barack Obama(b. 1961)	2012	Joe Biden	BARACK	OBAMA	OBAMA, BARACK
80	Donald Trump(b. 1946)	2016	Mike Pence	DONALD	TRUMP	TRUMP, DONALD
81	Joe Biden(b. 1942)	2020	Kamala Harris	JOE	BIDEN	BIDEN, JOE

82 rows × 6 columns

presidents = presidents.merge(ganadores[['election', 'vicepresident', 'winner']], left_on='year', right_on='election', how='left')

# corregir los nombres de los ganadores que no coinciden al 100%

# BUSH, GEORGE H.W. debe ser BUSH, GEORGE H. W.
presidents['candidate'] = presidents['candidate'].str.replace('BUSH, GEORGE H.W.', 'BUSH, GEORGE H. W.', regex=False)

# OBAMA, BARACK H. debe ser OBAMA, BARACK
presidents['candidate'] = presidents['candidate'].str.replace('OBAMA, BARACK H.', 'OBAMA, BARACK', regex=False)

# TRUMP, DONALD J. debe ser TRUMP, DONALD
presidents['candidate'] = presidents['candidate'].str.replace('TRUMP, DONALD J.', 'TRUMP, DONALD', regex=False)

# BIDEN, JOSEPH R. JR debe ser BIDEN, JOE
presidents['candidate'] = presidents['candidate'].str.replace('BIDEN, JOSEPH R. JR', 'BIDEN, JOE', regex=False)

# merge del dataset csv con los datos de ganadores desde wikipedia
presidents['won'] = presidents['candidate'] == presidents['winner']

# revisamos que todos los años tengan un ganador
presidents.groupby('year')['won'].any()

year
1976    True
1980    True
1984    True
1988    True
1992    True
1996    True
2000    True
2004    True
2008    True
2012    True
2016    True
2020    True
Name: won, dtype: bool

# obtener los totales de votos para cada año y candidato
candidatevotes = presidents[presidents['won']][['year', 'candidate', 'candidatevotes']].groupby(['year', 'candidate']).sum()
totalvotes = presidents[['year', 'candidatevotes']].groupby(['year']).sum()

# calcular el porcentaje
candidatevotes = candidatevotes.reset_index().set_index('year')
candidatevotes['totalvotes'] = totalvotes['candidatevotes']
candidatevotes['percent'] = candidatevotes['candidatevotes'] / candidatevotes['totalvotes'] * 100
candidatevotes['prettypercent'] = candidatevotes['percent'].round(2).astype(str) + '%'

# agregar una columna para el label del año
candidatevotes['year_winner'] = candidatevotes.index.astype(str) + ' (' + candidatevotes['candidate'] + ')'

# graficar
fig = px.bar(candidatevotes, x='year_winner', y='percent',
    title='Porcentaje de votos por candidato ganador en las elecciones de EEUU de 1976 a 2020',
    labels={'year_winner': 'Año (ganador)', 'percent': 'Porcentaje'},
    text='prettypercent'
)
fig.update_yaxes(range=[40, 60])
fig.show()

4. Función que recibe de parámetro elección y retorne una gráfica de la cantidad de votos obtenidos para cada uno de los partidos participantes.

def votos_partido(year):
    """Crea una grafica de votos x partido para el año pasado como parametro"""
    votos = presidents[presidents['year'] == year][['party_detailed', 'candidatevotes']].groupby('party_detailed').sum() 
    votos['millions'] = votos['candidatevotes'].apply(lambda x: f'{x/1e6:.2f}M' if x > 1e5 else f'{x/1e3:.2f}K' if x > 1e3 else str(x))
    votos.sort_values(by='candidatevotes', ascending=False, inplace=True)
    fig = px.bar(votos, x=votos.index, y='candidatevotes',
        title=f'Votos por partido en las elecciones de {year} en EEUU',
        labels={'party_detailed': 'Partido', 'candidatevotes': 'Votos'},
        text='millions',
    )
    fig.show()

# probar la funcion
votos_partido(1976)
votos_partido(2020)

5. Función que recibe de parámetro una elección y un estado, y retorne los resultados obtenidos en dicho estado.

def votos_eleccion_estado(year, state):
    votos = presidents[(presidents['year'] == year) & (presidents['state'] == state.upper())][['candidate', 'candidatevotes']].groupby('candidate').sum()
    votos['millions'] = votos['candidatevotes'].apply(lambda x: f'{x/1e6:.2f}M' if x > 1e5 else f'{x/1e3:.2f}K' if x > 1e3 else str(x))
    votos.sort_values(by='candidatevotes', ascending=False, inplace=True)
    fig = px.bar(votos, x=votos.index, y='candidatevotes',
        title=f'Votos por candidato en las elecciones de {year} en {state}',
        labels={'candidate': 'Candidato', 'candidatevotes': 'Votos'},
        text='millions',
    )
    fig.show()

# probar la funcion
votos_eleccion_estado(2020, 'California')
votos_eleccion_estado(2020, 'Texas')